摘  要： 为了有效减少噪声对运动目标检测的影响，提出了一种利用均值漂移聚类实现运动目标检测的方法。首先运用Mean Shift算法分别对三帧连续图像进行平滑去噪处理，然后对图像进行边缘提取，最后通过三帧差分法对三帧图像进行差分,进而得到运动目标。实验结果表明，该方法可以有效地抑制噪声并提取出运动目标。
关键词： 运动目标检测；均值漂移；三帧差分；聚类

    运动目标检测是计算机视觉、模式识别和数字视频处理领域的一个重要课题。高效、实时地检测运动目标可以为目标跟踪、行为分析和理解提供依据。传统的运动目标检测方法主要有帧间差分法、背景差分法和光流法。光流法[1]虽然可以精确地检测运动目标，但其计算复杂度高，难以满足实时性的要求。帧间差分法[2-3]是目标检测常用的方法，它的计算量低，而且适应性也很强，但同时对运动目标的速度有一定的要求，如果运动速度较快且选取的时间间隔过大，就会造成两帧之间无覆盖区，从而无法分割出运动目标。背景差分法[3]是对连续的多帧图像进行背景重构，但其自适应能力差，很难得到真实的背景图像。
    均值漂移MS(Mean Shift)算法作为一种有效的统计迭代算法，最早由FUKUNAGA在1975年提出，但直到1995年，Cheng Yizong设计了MS算法[4]中的核函数和权重函数，从样本到被偏移点的距离和不同样本的不同贡献两个方面作了改进并将其应用于聚类和全局优化，才扩大了该算法的适用范围,并掀起了对该算法研究的热潮。MS算法完全依靠特征空间中的样本点进行分析，不需要任何先验知识，收敛速度快，近年来被广泛应用于聚类、图像平滑、图像分割和跟踪等计算机视觉领域。
    本文根据MS算法的特点，在彩色空间域内对图像进行平滑聚类，从而降低噪声对运动目标的干扰，更精确地进行边缘提取。本文首先讨论帧间差分法和均值漂移算法的基本原理，然后讨论本文提出的方法，最后通过实验加以验证。
1 帧间差分法
    帧间差分法是在目标检测中经常用到的方法，它计算简单，不易受环境变化（如光线变化等）的影响，实时性好。
  
    它提取的运动目标比实际的要大，往往出现“双影”现象[3]，同时会产生“空洞”现象。当目标运动速度较慢时，目标出现的区域有可能变化不大，形成类似于随机噪声的孤立点。为了避免目标的丢失，通常采用三帧差分法实现运动轨迹的累计。

　

 


4 实验结果分析
    参考文献[3]介绍了传统三帧差分法，即在帧间差发的基础上对连续的三帧图像进行差分运算，而参考文献[7]对传统的三帧差分进行了改进，在进行差分运算之前先对三帧图像进行边缘检测，故称为“边缘三帧差分”，该方法有效地抑制了亮度突变对三帧差分的影响。
    本文是以Adobe Flash Builder 4为实验平台，通过摄像头采集连续三帧图像，以分辨率为213 dip×160 dip进行处理，在中间一帧中加入了噪声强度P为0.05、0.15、0.2和0.3的噪声,图2为分别使用传统的三帧差分、边缘三帧差分法和本文所提出的方法在噪声强度为0.15时得到的实验效果图。

    图2(a)、图2(b)和图2(c)分别取自连续的三帧图像；图2(d)为传统的三帧差分后的图像，不能有效地抑制噪声，且运动目标的边缘不是很清晰；图2(e)为采用Laplacian算子进行边缘三帧差分后的图像，虽然运动目标可以有效地识别，但也不能对噪声起到抑制作用；图2(f)采用为本文提出的方法进行的三帧差分后的图像，对随机噪声点可以有效地抑制，并且运动目标边缘也比较清晰，充分说明了该算法对噪声的处理效果。
    为了对本文提出的算法进行比较，引入噪声强度作为衡量标准，设噪声强度为P，sum(Y)为图像Y的像素总和，e为随机生成的噪声数，则：
　
    本文分析了经典的差分算法的不足，提出了一种新的目标检测方法，首先对三帧图像在彩色空间域中运用均值漂移聚类算法平滑图像去除噪声，然后进行边缘提取，有效地防止亮度突变的影响，最后通过三帧差分提取运动目标。本文的算法能够很好地消除图像中噪声的影响，同时保持图像的边缘。与其他常用算子相比，本文算法抗噪能力更强，能够提取显著的边缘，这更符合人类视觉的特点。实验结果证明了算法的有效性。
参考文献
[1] LEE Y S， MOKRI S S, HUSSAIN A，et al.Motion detection using Lucas Kanade algorithm and application enhancement[C]. International Conference of Electrical Engineering and Informatics. ICEEI′09，2009，2：537-542．
[2] LIPTON A J，FUJIYOSHIH，PATIL R S． Moving target classification and tracking from real-time video[C]．WACV’ 98，Proceedings of the Fourth IEEE Workshop on Applications of Computer，Princeton，NJ，1998：8-14．
[3] 莫林，廖鹏，刘勋.一种基于背景减除与三帧差分的运动目标检测算法[J] .微计算机信息，2009(12)：274-276.
[4] Cheng Yizong. Mean Shift，mode seeking，and clustering[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，1995，17(8)：790-799．
[5] COMANICIN D，MEER P. Mean shift： a robust approach toward feature space analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24(5)：603-619．
[6] 王爽，夏玉， 焦李成.基于均值漂移的自适应纹理图像分割方法[J]. 软件学报，2010，21(6)：1451-1461．
[7] 甘明刚，陈杰，刘劲，等.一种基于三帧差分和边缘信息的运动目标检测方法[J].电子与信息学报, 2010，32(4)：894-897．
[8] 王朝英，李光，侯志强，等.融合mean shift 和区域显著性的彩色图像分割算法[J]. 计算机工程与应用，2010，46(28)：181-184．
[9] 万军，徐汀荣. 基于Laplacian算子的图像边缘检测方法研究[J]. 现代电子技术，2004,20(188):92-93．